Microsoft Getting Started with AI Agents : Une introduction aux agents d'intelligence artificielle et aux cas d'utilisation des agents
Bienvenue dans le cours "Getting Started with AI Agents" (Premiers pas avec les agents d'intelligence artificielle) ! Ce cours vous fournit les bases et des exemples d'applications pour construire des agents d'intelligence artificielle.
devenir membre Communauté Discord Azure AI Rencontrez d'autres apprenants, des constructeurs d'agents d'IA et posez toutes les questions que vous avez sur ce cours.
Pour commencer ce cours, nous allons d'abord mieux comprendre ce que sont les agents d'intelligence artificielle et comment les utiliser dans des applications et des flux de travail construits.
bref
Ce cours couvre
- Qu'est-ce qu'un agent d'intelligence artificielle et quels sont les différents types d'agents ?
- Quels sont les meilleurs cas d'utilisation des agents d'intelligence artificielle et comment peuvent-ils être utiles ?
- Quels sont les éléments de base de la conception d'une solution Agentic ?
objectif d'apprentissage
À l'issue de cette formation, vous devriez être en mesure de.. :
- Comprendre le concept des agents d'intelligence artificielle et ce qui les différencie des autres solutions d'intelligence artificielle.
- l'application la plus efficace des agents d'intelligence artificielle.
- Concevoir des solutions agentiques efficaces pour les utilisateurs et les clients.
Définition des agents d'intelligence artificielle et types d'agents d'intelligence artificielle
Qu'est-ce qu'un agent d'intelligence artificielle ?
Agents de l'IA OuisystèmesIl faitGrands modèles linguistiques (LLM) capable de passeroutil d'accèsrépondre en chantantliés à la connaissanced'étendre ses capacités et donc deopération exécutable.
Décomposons cette définition en plusieurs parties :
- systèmes - Il est important de considérer l'agent comme un système composé de plusieurs éléments, et non comme un élément unique. Au niveau de base, les composants d'un agent d'intelligence artificielle sont les suivants
- matrice - L'espace défini dans lequel l'agent d'IA opère. Par exemple, dans le cas d'un agent d'IA spécialisé dans la réservation de voyages, l'environnement pourrait être le système de réservation de voyages que l'agent d'IA utilise pour accomplir ses tâches.
- transducteurs - L'environnement contient des informations et fournit des informations en retour, et les agents d'intelligence artificielle utilisent des capteurs pour collecter et interpréter ces informations sur l'état actuel de l'environnement. Dans l'exemple de l'agent de réservation de voyage, le système de réservation de voyage peut fournir des informations telles que la disponibilité des hôtels ou les prix des vols.
- actionneurs - Une fois que l'agent d'intelligence artificielle reçoit l'état actuel de l'environnement, pour la tâche en cours, l'agent détermine l'action à effectuer pour modifier l'environnement. Pour un agent de réservation de voyages, il peut s'agir de réserver une chambre disponible pour un utilisateur.

modèle de macrolangue - Le concept d'agent est antérieur à la création des LLM. L'avantage d'utiliser les LLM pour construire des agents d'intelligence artificielle est leur capacité à interpréter le langage et les données humaines. Cette capacité permet aux LLM d'interpréter des informations sur l'environnement et de définir des plans pour le modifier.
opération exécutable - En dehors d'un système d'agent d'intelligence artificielle, le LLM est limité à des opérations qui génèrent du contenu ou des informations sur la base d'invites de l'utilisateur. Dans un système d'agent d'IA, le LLM peut effectuer des tâches en interprétant les demandes de l'utilisateur et en utilisant les outils disponibles dans son environnement.
outil d'accès - Les outils auxquels un LLM peut accéder sont définis par 1) l'environnement dans lequel il fonctionne et 2) le développeur de l'agent d'IA. Pour notre exemple d'agent de voyage, les outils de l'agent sont limités par les opérations disponibles dans le système de réservation et/ou le développeur peut limiter l'accès de l'agent aux vols.
liés à la connaissance - Outre les informations fournies par l'environnement, les agents d'intelligence artificielle peuvent récupérer des connaissances auprès d'autres systèmes, services, outils, voire d'autres agents. Dans l'exemple de l'agent de voyage, ces connaissances peuvent être des informations sur les préférences de voyage de l'utilisateur contenues dans la base de données des clients.
Différents types d'agents
Maintenant que nous disposons d'une définition générique des agents d'IA, examinons quelques types d'agents spécifiques et la manière dont ils s'appliquent aux agents d'IA chargés de la réservation de voyages.
Type d'agent | descriptions | exemple typique |
---|---|---|
Agents de réflexion simples | Effectue des opérations immédiates sur la base de règles prédéfinies. | L'agent de voyage interprète le contexte de l'e-mail et transmet la réclamation au service clientèle. |
Agents de réflexion basés sur des modèles | Effectuer des opérations basées sur le modèle mondial et les changements apportés à ce modèle. | L'agent de voyage donne la priorité aux itinéraires dont les prix ont changé de manière significative, en se basant sur l'accès aux données tarifaires historiques. |
Agents basés sur des objectifs | Créer un plan pour atteindre un objectif spécifique en expliquant l'objectif et en identifiant les actions pour l'atteindre. | L'agent de voyage réserve un voyage en déterminant les arrangements nécessaires (voiture, transports publics, vols) entre le lieu où vous vous trouvez et votre destination. |
Agents basés sur l'utilité | Prendre en compte les préférences et peser numériquement les compromis pour déterminer comment atteindre les objectifs. | L'agent de voyage met en balance le confort et le coût lors de la réservation d'un voyage afin de maximiser l'utilité. |
Agents d'apprentissage | Amélioration continue en réagissant au retour d'information et en ajustant les actions en conséquence. | L'agent de voyage s'améliore en utilisant le retour d'information des clients à partir d'enquêtes post-voyage afin de procéder à des ajustements pour les réservations futures. |
Agents des couches | Dans un système hiérarchique composé de plusieurs agents, les agents de niveau supérieur décomposent les tâches en sous-tâches qui seront exécutées par les agents de niveau inférieur. | Un agent de voyage annule un voyage en divisant la tâche en sous-tâches (par exemple, l'annulation d'une réservation spécifique) et en laissant un agent de niveau inférieur les réaliser, puis en les signalant à un agent de niveau supérieur. |
Système multi-agents (SMA) | Les agents accomplissent des tâches de manière indépendante, en coopération ou en concurrence. | Collaboration : plusieurs agents réservent des services de voyage spécifiques tels que des hôtels, des vols et des divertissements. Concurrence : plusieurs agents gèrent un calendrier commun de réservation d'hôtels et se font concurrence pour réserver des hôtels pour leurs clients. |
Quand utiliser les agents d'intelligence artificielle ?
Dans la section précédente, nous avons utilisé le cas d'utilisation de l'agent de voyage pour expliquer comment utiliser différents types d'agents dans différents scénarios de réservation de voyage. nous continuerons à utiliser cette application tout au long du cours.
Examinons les types de cas d'utilisation qui se prêtent le mieux à l'utilisation d'agents d'intelligence artificielle :

- Questions ouvertes - Permettre au MLD de déterminer les étapes nécessaires à l'accomplissement d'une tâche, car celle-ci ne peut pas toujours être codée en dur dans le flux de travail.
- processus en plusieurs étapes - Tâches exigeant un certain niveau de complexité et pour lesquelles l'agent d'intelligence artificielle doit utiliser l'outil ou l'information en plusieurs fois plutôt qu'en une seule fois.
- Améliorations au fil du temps - Un agent peut améliorer ses tâches au fil du temps en recevant des informations en retour de son environnement ou des utilisateurs afin de fournir une meilleure utilité.
Nous aborderons d'autres considérations relatives à l'utilisation d'agents d'intelligence artificielle dans le cours Building Trustworthy AI Agents (Construire des agents d'intelligence artificielle dignes de confiance).
Les bases de la solution agentique
Développement des agents
La première étape de la conception d'un système d'agents d'intelligence artificielle consiste à définir les outils, les opérations et les comportements. Dans ce cours, nous nous concentrons sur l'utilisation des outils suivants Azure AI Agent Service Il offre les fonctionnalités suivantes :
- Sélection de modèles ouverts tels que OpenAI, Mistral et Llama
- Utilisation des données de licence par des fournisseurs tels que Tripadvisor
- Utilisation d'outils standardisés OpenAPI 3.0
Mode agentique
La communication avec le LLM se fait par le biais d'invites. Étant donné la nature semi-autonome des agents d'intelligence artificielle, il n'est pas toujours possible ou nécessaire de redemander manuellement au LLM après un changement dans l'environnement. Nous avons utilisé le Mode agentiqueIl nous permet d'inciter à la LLM en plusieurs étapes d'une manière plus évolutive.
Ce cours est divisé en quelques uns des modèles Agentic les plus populaires.
Cadre agentique
Les frameworks agentiques permettent aux développeurs de mettre en œuvre des modèles agentiques par le biais du code. Ces cadres fournissent des modèles, des modules d'extension et des outils permettant une meilleure collaboration entre les agents d'intelligence artificielle. Ces avantages permettent de mieux observer et dépanner les systèmes d'agents d'intelligence artificielle.
Dans ce cours, nous explorerons les recherches menées par les AutoGen et le cadre d'agents prêts à la production de Semantic Kernel.
© déclaration de droits d'auteur
L'article est protégé par le droit d'auteur et ne doit pas être reproduit sans autorisation.
Articles connexes
Pas de commentaires...